$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

문자 인식을 위한 영상 복원
Image Restoration for Character Recognition 원문보기

Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.4 no.3, 2018년, pp.241 - 246  

유석원 (서경대학교 컴퓨터과학과)

초록
AI-Helper 아이콘AI-Helper

영상 기기의 기계적인 문제로 인해 실험 데이터에 발생한 잡음으로 인한 인식 오류를 최소화하기 위해서 영상복원 과정을 거친다. 영상 복원 방법은 실험 데이터를 구성하는 각각의 픽셀에 대해 Direct Neighbor와 Indirect Neighbor의 개수와 위치를 조사해서 잡음을 해결한다. 결과적으로, 영상 복원 과정을 통해 실험 데이터에 발생한 잡음을 최대한 제거하고, 영역 단위로 학습 데이터와 실험 데이터의 차이를 계산해서 잡음에 의한 인식 오류 가능성을 낮춤으로써 만족할만한 인식 결과를 얻을 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Because of the mechanical problems of input camera equipment, image restoration process is performed in order to minimize recognition errors due to the noise problem generated in test data image. The image restoration method resolves the noise problem by examining the numbers and positions of the Di...

주제어

#지역 경계   #방향성 확장   #영상 복원   #잡음 제거   #영상 처리   #글자 인식   #영역 확장   #누적   #영상 분석   #특징 추출  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

가설 설정

  • Step 3) 실험 데이터도 0부터 9까지 10개의 서로 다른 문자들로 구성되며, 학습 데이터가 사용하지 않은 새로운 글자체를 가지고 있다. 그런데 영상 기기의 기계적인 문 제로 인해 실험 데이터에 점 형태의 잡음 문제가 발생했다고 가정한다.
  • 실험 데이터에 점 형태의 잡음 문제 (Salt and Pepper Noise)가 발생했다고 가정하자. 이런 형태의 잡음은 영상 기기에서 발생할 수 있는 일반적인 문제이지만 이런 잡음으로 인해 인식률이 낮아지게 된다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
잡음 문제(Noise)는 무엇인가? 잡음 문제(Noise)는 영상기기의 기계적 문제나 주변 환경의 영향으로 인해 영상의 임의의 위치에서 픽셀값들이 잘못된 값들을 가지게 되어 영상 화질에 문제를 일으키는 것을 의미한다. 이러한 잡음 문제는 일반적으로 불규칙적으로 발생하며, 이로 인해 인식 과정에서 문제를 야기하게 된다.
잡음 문제를 해결하기 위해 디지털 영상처리 분야에서는 어떤 기법들을 이용하는가? 이러한 잡음 문제는 일반적으로 불규칙적으로 발생하며, 이로 인해 인식 과정에서 문제를 야기하게 된다. 이러한 형태의 잡음 문제를 제거하기 위해서 디지털 영상처리 분야에서는 여러 경계값들을 사용하는 필터링[3], 마스크[4], 또는 형태학[5] 등을 사용하여 이 문제를 해결하고 있다.
영역 단위로 학습 데이터와 실험 데이터의 차이를 계산해서 잡음을 해결할 때 어떤 장점을 가지게 되는가? 기존의 문자 인식 기법들과 마찬가지로 본 논문에서 제안한 방법에도 장단점들이 있다. 장점으로는 1) 잡음 문제가 발생한 경우에도 만족할만한 인식 결과를 얻을 수 있다. 2) 다른 방법들에 비해 영상 복원 과정이 이해하기 쉽고 간단하다. 3) 새로운 문자나 글자체를 학습 데이터에 추가해서 쉽게 확장할 수 있다. 단점으로는 1) 잡음이 임의의 위치에서 발생하므로 잡음을 완벽하게 제거하지 못할 수도 있어서 경우에 따라서는 다른 인식 결과를 얻을 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (8)

  1. J. Parker, Algorithms for Image Processing and Computer Vision, Wiley, pp. 137-175, 2010. 

  2. C. Chen, L. Pau, P Wang, Handbook of Pattern Recognition and Computer Vision, World Scientific, pp. 61-84, 1993. 

  3. T. Adali, S. Haykin, Adaptive Signal Processing, John Wiley & Sons, pp. 40-58, 2010. 

  4. E. Hall, Computer Image Processing and Recognition, Academic Press, pp. 76-153, 1979. 

  5. F. Shih, Image Processing and Mathematical Morphology, CRC Press, pp. 25-35, 2009. 

  6. Y. Yang, S. Lee, “An Object Tracking Method for Studio Cameras by OpenCV-based Python Program,” Journal of Convergence on Culture Technology(JCCT), Vol. 4, No. 1, pp. 291-297, 2018. 

  7. G. Dougherty, Digital Image Processing for Medical Application, Cambridge, pp. 155-189, 2009 

  8. S. Yoo, “Character Recognition Algorithm using Accumulation Mask,” International Journal of Advanced Culture Technology(IJACT), Vol. 6, No. 2, pp. 123-128, 2018. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로